![16
分類番号?診断群分類別テーブルに使用した数式
項目 数式 補足
患者数 count(distinct 分析ID) ユニークな分析IDを数える
手術を受けた患者数 count({<データ区分={50}>} distinct 分析ID) データ区分の50(手術)の分析IDを数える
平均在院日数 Sum(
Aggr(Only(退院年月日)-Only(入院年月日),分類番号,分析ID)
)
/
count(distinct 分析ID)
1.Aggr=分類番号、分析ID別に日数減算
↓
2. 1をSum
↓
3. 2を患者数で割る
手術を受けた患者の
平均在院日数
Sum(
Aggr(Only({<データ区分={50}>}退院年月日)-Only({<デー
タ区分={50}>}入院年月日),分類番号,分析ID))
/
count({<データ区分={50}>}distinct 分析ID)
上記の退院年月日と入院年月日にデータ
区分の50(手術)の条件を追加
Ⅱ期間以内の割合 Sum(
if(
Aggr(
(Only({<データ区分={50}>}退院年月日)-Only({<データ
区分={50}>}入院年月日))-[入院日(Ⅱ）]<=0,分類番号,分析ID)
,1,0))
/
[手術を受けた患者数]
1.Aggr=分類番号、分析ID別に上記の平
均在院日数-入院日(Ⅱ）が0以下かどう
かを判定
2. 1が正なら1、偽なら0
3. 2を集計
4. 3を手術を受けた患者数で割る
繰り返すややこしい
式はマスターアイテ
ムに登録](https://image.slidesharecdn.com/qlik20202211-221130114234-f874ff63/85/Qlik-_-20-_202211-pptx-16-320.jpg)
![17
17
17
17
17
17
17
日別施療テーブルに使用した数式
軸：手術日からの日数
ステップ 数式 補足
Dual(表示文字,値) 最も近い倍数に数値を切下げ
値＝実施年月日と手術
実施日の差
AGGR(実施年月日-Only(total <分析ID> {<[データ区
分]={'50'}>}実施年月日),分析ID, データ区分,実施年月日)
分析ID, データ区分,実施年月日別に、実
施年月日と分析ID別のデータ区分の
50(手術)の実施日の差を求める
差を1日単位で求めて
軸とする
Class(AGGR(実施年月日-Only(total <分析ID> {<[データ区
分]={'50'}>}実施年月日),分析ID, データ区分,実施年月日),1)
Class関数の戻り値
-1<=x<0, 0<=x<1, 1<=x<2 …
差が0なら「手術日」
Class 関数の戻り値が、
0<=x<1 かどうか
if(
left(
Class(AGGR(実施年月日-Only(total <分析ID> {<[データ区
分]={'50'}>}実施年月日),分析ID, データ区分,実施年月日),1)
,1)=0,'手術日‘,
Class関数の戻り値の1桁目が0なら
（実施年月日と手術日の差が0なら）
そうでなければ、
Class関数の戻り値の
最初の「<」の前（日
数差）
上段の続き
left(Class(AGGR(実施年月日-Only(total <分析ID> {<[データ
区分]={'50'}>}実施年月日),分析ID, データ区分,実施年月日),1)
,FindOneOf(Class(AGGR(実施年月日-Only(total <分析ID>
{<[データ区分]={'50'}>}実施年月日),分析ID, データ区分,実施
年月日),1),'<')-1))
Class関数の戻り値の、最初の「<」の位
置を求めて、左から「<」の位置の1桁前
までを適用
（つまり日数差）
実施年月日と手術実施日の差が0なら「手術日」と表示、それ以外は上記の差
を表示](https://image.slidesharecdn.com/qlik20202211-221130114234-f874ff63/85/Qlik-_-20-_202211-pptx-17-320.jpg)
![18
18
18
18
18
18
18
日別施療テーブルに使用した数式
軸：手術日からの日数
実施年月日と手術実施日の差が0なら「手術日」と表示、それ以外は上記の差
を表示
=Dual(if(left(Class(AGGR(実施年月日-Only(total <分析ID> {<[データ区
分]={'50'}>}実施年月日),分析ID, データ区分,実施年月日),1),1)=0,'手術日',
left(Class(AGGR(実施年月日-Only(total <分析ID> {<[データ区分]={'50'}>}実施
年月日),分析ID, データ区分,実施年月日),1),
FindOneOf(Class(AGGR(実施年月日-Only(total <分析ID> {<[データ区
分]={'50'}>}実施年月日),分析ID, データ区分,実施年月日),1),'<')-1))
,Class(AGGR(実施年月日-Only(total <分析ID> {<[データ区分]={'50'}>}実施年月
日),分析ID, データ区分,実施年月日),1))
完成](https://image.slidesharecdn.com/qlik20202211-221130114234-f874ff63/85/Qlik-_-20-_202211-pptx-18-320.jpg)
![20
20
20
20
20
20
20
比較テーブルに使用した数式
メジャー：処置患者割合
①データ区分50(手術)を選択した時に、選択可能で、かつⅡ期間より在院日数が少な
い患者数
/
②軸(データ区分を無視して）データ区分50(手術)を選択した時に、選択可能で、
かつⅡ期間より在院日数が少ない
全患者数
① count({<分析ID=P({<データ区分={50}>}) *{"=Only(退院年月日)-
Only(入院年月日)-[入院日(Ⅱ）]<=0"}>} distinct 分析ID)
② count({<分析ID=P({<データ区分={50}>}) *{"=Only(退院年月日)-
Only(入院年月日)-[入院日(Ⅱ）]<=0"}>} total distinct 分析ID)](https://image.slidesharecdn.com/qlik20202211-221130114234-f874ff63/85/Qlik-_-20-_202211-pptx-20-320.jpg)
![[Developers Summit 2018] Microsoft AIプラットフォームによるインテリジェント アプリケーションの構築](https://cdn.slidesharecdn.com/ss_thumbnails/20180215developerssummitmicrosoftaiplatform-180218215607-thumbnail.jpg?width=560&fit=bounds)
More Related Content
Similar to 蚕濒颈办ヘルスケア勉强会冲第20回冲202211.辫辫迟虫 (20)
More from QlikPresalesJapan (20)
蚕濒颈办ヘルスケア勉强会冲第20回冲202211.辫辫迟虫
- 1. 1
- 2. 2 勉強会イベント運営について ? 当イベントは録画して、YouTubeに資料とともに公開予定です。 ? 参加者のかたは、ご発言?ご質問?ご要望がある場合、Zoom画面下 のQAアイコンをクリックして入力をお願いします。 ? また終了時にアンケートが表示されますので、感想や、テーマや運営 についてのご要望があれば、入力をお願いします。
- 4. 4 4 アジェン ダ 1. 本勉強会の趣旨 2. Qlik Senseの概要 3. フィードバックコーナー 4. 前回の復習 5. Qlik Senseの自動機械学習機能とその活用方法 6. Q&A 7. 次回取り上げるテーマ
- 5. 5 1. 本勉強会の趣旨 ? Qlik Senseを利用して医療関連データの扱い方を学ぶ ? 参加者が活用事例等を共有し、医療データの活用方法を学ぶ ? 参加者が情報交換できる場をご提供する
- 7. 7 組織内外の膨大なデータを収集/統合/分析し、エビデンスに基づく意思決定を支援 データソース 社内システム クラウド CSV Excel DWH データレーク データ準備 インメモリエンジン 連想技術 拡張知能 データ準備 データ接続 共用データ モデル ビジュアライゼーション 分析?共有 セキュリティ パフォーマンス 管理性 拡張性 再利用性（共有ライブラリ） 接続定義 拡張機能 軸?計算式 チャート データ加工 画面作成 Qlik Sense Qlik Senseの概要
- 8. 8 Qlik Senseの利用形態に応じた製品ラインアップ デスクトップ版 SaaS/クラウド版 サーバ版 Qlik Sense Desktop (QSD) Qlik Sense Business (QSB) Qlik Sense Enterprise SaaS Qlik Sense Enterprise Client-Managed 利用形態 製 品 名 ※QSDは他の製品/サービスを購入すると付属。
- 9. 9 Qlik Senseでのデータ共有方法 Qlik Sense Business Qlik Sense Enterprise SaaS Qlik Sense Enterprise Client Managed SaaS/クラウド版 サーバ版 数十名程度の小規模 大規模 小規模～大規模 アプリ 個人 スペース 共有 スペース 管理 スペース 個人 ストリー ム (共有) アプリ アプリ アプリ アプリ ※SaaS/クラウド版、サーバ版の両環境でアプリの共有が可能です。 ※ユーザはブラウザのみで、アプリの作成や閲覧が可能です。 ※アプリのデータが更新されると、そのアプリへのアクセス権を持った全てのユーザが更新された情報を参照できます。 ※Qlik Sense Businessのユーザ、もしくは、他のQlik SenseでProfessional Userの権限を持っているユーザはQlik Sense Desktopも 個人 スペース アプリ 共有 スペース アプリ
- 16. 16 分類番号?診断群分類別テーブルに使用した数式 項目 数式 補足 患者数 count(distinct 分析ID) ユニークな分析IDを数える 手術を受けた患者数 count({<データ区分={50}>} distinct 分析ID) データ区分の50(手術)の分析IDを数える 平均在院日数 Sum( Aggr(Only(退院年月日)-Only(入院年月日),分類番号,分析ID) ) / count(distinct 分析ID) 1.Aggr=分類番号、分析ID別に日数減算 ↓ 2. 1をSum ↓ 3. 2を患者数で割る 手術を受けた患者の 平均在院日数 Sum( Aggr(Only({<データ区分={50}>}退院年月日)-Only({<デー タ区分={50}>}入院年月日),分類番号,分析ID)) / count({<データ区分={50}>}distinct 分析ID) 上記の退院年月日と入院年月日にデータ 区分の50(手術)の条件を追加 Ⅱ期間以内の割合 Sum( if( Aggr( (Only({<データ区分={50}>}退院年月日)-Only({<データ 区分={50}>}入院年月日))-[入院日(Ⅱ）]<=0,分類番号,分析ID) ,1,0)) / [手術を受けた患者数] 1.Aggr=分類番号、分析ID別に上記の平 均在院日数-入院日(Ⅱ）が0以下かどう かを判定 2. 1が正なら1、偽なら0 3. 2を集計 4. 3を手術を受けた患者数で割る 繰り返すややこしい 式はマスターアイテ ムに登録
- 17. 17 17 17 17 17 17 17 日別施療テーブルに使用した数式 軸：手術日からの日数 ステップ 数式 補足 Dual(表示文字,値) 最も近い倍数に数値を切下げ 値＝実施年月日と手術 実施日の差 AGGR(実施年月日-Only(total <分析ID> {<[データ区 分]={'50'}>}実施年月日),分析ID, データ区分,実施年月日) 分析ID, データ区分,実施年月日別に、実 施年月日と分析ID別のデータ区分の 50(手術)の実施日の差を求める 差を1日単位で求めて 軸とする Class(AGGR(実施年月日-Only(total <分析ID> {<[データ区 分]={'50'}>}実施年月日),分析ID, データ区分,実施年月日),1) Class関数の戻り値 -1<=x<0, 0<=x<1, 1<=x<2 … 差が0なら「手術日」 Class 関数の戻り値が、 0<=x<1 かどうか if( left( Class(AGGR(実施年月日-Only(total <分析ID> {<[データ区 分]={'50'}>}実施年月日),分析ID, データ区分,実施年月日),1) ,1)=0,'手術日‘, Class関数の戻り値の1桁目が0なら （実施年月日と手術日の差が0なら） そうでなければ、 Class関数の戻り値の 最初の「<」の前（日 数差） 上段の続き left(Class(AGGR(実施年月日-Only(total <分析ID> {<[データ 区分]={'50'}>}実施年月日),分析ID, データ区分,実施年月日),1) ,FindOneOf(Class(AGGR(実施年月日-Only(total <分析ID> {<[データ区分]={'50'}>}実施年月日),分析ID, データ区分,実施 年月日),1),'<')-1)) Class関数の戻り値の、最初の「<」の位 置を求めて、左から「<」の位置の1桁前 までを適用 （つまり日数差） 実施年月日と手術実施日の差が0なら「手術日」と表示、それ以外は上記の差 を表示
- 18. 18 18 18 18 18 18 18 日別施療テーブルに使用した数式 軸：手術日からの日数 実施年月日と手術実施日の差が0なら「手術日」と表示、それ以外は上記の差 を表示 =Dual(if(left(Class(AGGR(実施年月日-Only(total <分析ID> {<[データ区 分]={'50'}>}実施年月日),分析ID, データ区分,実施年月日),1),1)=0,'手術日', left(Class(AGGR(実施年月日-Only(total <分析ID> {<[データ区分]={'50'}>}実施 年月日),分析ID, データ区分,実施年月日),1), FindOneOf(Class(AGGR(実施年月日-Only(total <分析ID> {<[データ区 分]={'50'}>}実施年月日),分析ID, データ区分,実施年月日),1),'<')-1)) ,Class(AGGR(実施年月日-Only(total <分析ID> {<[データ区分]={'50'}>}実施年月 日),分析ID, データ区分,実施年月日),1)) 完成
- 19. 19 19 19 19 19 19 19 日別施療テーブルに使用した数式 メジャー：処置患者割合 ①データ区分50(手術)を選択した時に、選択可能な患者数 / ②軸(データ区分を無視して）データ区分50(手術)を選択した時に、選択可能な全 患者数 ① count({<分析ID=P({<データ区分={50}>})>} distinct 分析ID) ② count({<分析ID=P({<データ区分={50}>})>} total distinct 分析ID)
- 20. 20 20 20 20 20 20 20 比較テーブルに使用した数式 メジャー：処置患者割合 ①データ区分50(手術)を選択した時に、選択可能で、かつⅡ期間より在院日数が少な い患者数 / ②軸(データ区分を無視して）データ区分50(手術)を選択した時に、選択可能で、 かつⅡ期間より在院日数が少ない 全患者数 ① count({<分析ID=P({<データ区分={50}>}) *{"=Only(退院年月日)- Only(入院年月日)-[入院日(Ⅱ）]<=0"}>} distinct 分析ID) ② count({<分析ID=P({<データ区分={50}>}) *{"=Only(退院年月日)- Only(入院年月日)-[入院日(Ⅱ）]<=0"}>} total distinct 分析ID)
- 21. 21 4. 前回の復習
- 28. 28 28 28 28 28 28 28 Qlikのサービス アナリティクスデータパイプラインを実現するクラウドサービス 分析 ビジュアライゼーション モバイル分析 組込み分析 レポーティング 拡張分析 アラート AutoML データ統合 ハイブリッド データ配信 アプリケーショ ン 自動化 データ変換 データカタログ データ来歴 API コラボレー ション ガバナンス と セキュリ ティ 連想エンジ ン 人工知能 RDBMS ファイル メインフレーム SaaS アプリ SAP データウェアハウス データレイク ストリーム 広範な接続性 オンプレミス
- 30. 30 30 機械学習がもたらすパワーをすべてのユーザーが 享受 すべてのユーザーに予測分析の力を解放 探索的分析 補完的な機械学習 データサイエンス ML プラットフォーム Qlik Sense ? Insight Advisor, 自然言語 ? Qlik Senseでデータ探索をし、共有する Qlik Sense & Qlik AutoML ? AutoML, Visualization, Authoring ? AutoML Models を公開し、 Qlik Senseでデータサイエンスを利用する 3rd Party Tools ? Amazon SageMaker, AzureML, DataRobot, DataBricks, etc. ? Qlik Senseでハイエンドな データサイエンスを公開する Qlik は意思決定者へのインサイトの生成を民主化し、多大な価値をもたらします。 ビジネスの意思決定 新たな使用例としての将来予測 より高付加価値な問題解決
- 31. 31 データサイエンスのライフサイクル Qlikはどのように成功に導くためにライフサイクルを自動化するか 目的の定義 ? 目的を明確にする ? 戦略の明確化 ? ML問題の定義 データパイプライ ン ? データ収集 ? データ探索 ? データ準備 予測モデルの開発 ? モデル構築 ? キードライ バー分析 ? モデルの洗練化 予測の展開 ? 予測展開 ? 予測統合 ? 予測評価 意思決定?行動 ? 処方的分析 ? What-Ifシナリオ ? 行動 Qlik Cloud with AutoML アナリストと意思決定者のための自動化?拡張機能
- 32. 32 Qlik AutoMLが対応している問題 二値分類 多クラス分類 回帰 顧客は会員登録をキャン セルするか？ ある患者は再入院する か？ カテゴリー ? ２つのカテゴリーに分 類 ? バイナリー：yes or no, 成功 or 不成功な ど カテゴリー ? ２より多いカテゴリーに 分類 ? しない、30日以内にす る、30日以上にするな ど 期待される顧客のライフ タイム価値は？ 数値 ? アウトプットは数値
- 33. 33 Qlik AutoMLの利用の流れ MLの実験 ML展開 カタログ トレーニン グ データセッ ト ML モデル カタログ 予測 データセッ ト カタログ 適用 データセッ ト Qlik Cloudのカタロ グデータと統合 AutoMLによる反復 実験 無制限にモデルを作 成し、最高のものを 展開 一度展開されたモデ ルは、予測を行うた めに利用 予測は分析利用のた めに新しいデータ セットに保存
- 34. 34 アルゴリズムの種類 Elastic Net Regression 弾性ネット回帰(Elastic Net回帰) Gaussian Naive Bayes ガウスナイーブベイズ Lasso Regression 囲み選択回帰(Lasso回帰) Logistic Regression ロジスティック回帰 Nearest Neighbors Classification 最近傍分類 Random Forest Classification ランダムフォレスト分類 XGBoost Classification XGBoost 分類 Algorithms ? Qlik Cloud Lasso Regression なげなわ回帰(Lasso回帰) Linear Regression 線形回帰 Random Forest Regression ランダムフォレスト回帰 SGD Regression SGD 回帰 XGBoost Regression XGBoost 回帰 2値分類、多クラス分類 回帰 参照：
- 35. 35 35 35 35 35 35 35 ビジネスライン?ソリューション分野 幅広い分野での適用 営業 ? セールスパイプライン - 勝敗予測 ? 顧客離脱率／顧客維持率 ? 顧客プロスペクト／ターゲティング マーケティング ? 需要?収益予測 ? 顧客生涯価値 ? カスタマー?ネクスト?ベスト?オファー ファイナンス ? 設備投資の最適化 ? 経費管理 ? リスクマネジメント／リスク低減 オペレーション ? 労働力需要予測 ? キャパシティーの割り当て ? 予約のキャンセル 人事 ? 従業員定着率／離職率予測 ? 従業員満足度 ? 採用活動／候補者プロファイリング IT ? ソフトウェア／ライセンスの使用状況 ? インフラ性能予測 サービス & サポート ? サポートケース予測 ? 予知保全 サプライチェーン ? 在庫の陳腐化予測 ? サプライチェーンパフォーマンス／ボトルネッ ク ? 輸送の最適化
- 36. 36 前過去12ヶ月の間にキャン セルされた予約の数は？ どのようなお客様がキャン セルされたのでしょうか？ 機械学習なし 記述的 今後数ヶ月の間に、私たち のキャンセルはどうなるの でしょうか？ どのようなお客様が解約し やすいのか？ 機械学習あり 予測的 キャンセルが予想されるお 客様には、具体的にどのよ うな理由（キードライバー ）があるのでしょうか？ キャンセルを防ぐために、 どのような対策をとればよ いのでしょうか？ 機械学習＋ 説明力 処方的 アクティブイン テリジェンス リスクの高いお 客様にコールセ ンターからアウ トバウンドコー ルを発信し、懸 念に対処し、出 席を確保する 対象顧客 業界を問わず、顧客アポイントメント を持つ組織 トップ産業 ヘルスケア、リテール、サービス キーペルソナ オペレーション管理、カスタマーケア、 ビジネスアナリスト お客様 バリュー?プロポジション 予約キャンセルを減らし、収益を維 持し、顧客満足度を高めると同時に 、コストを削減 ペインポイント ? お客様がアポイントメントに来な い ? コストが高い／キャンセルが増え 続けている ? 理由?要因の把握ができない 価値 ディスカバリークエスチョン 予約のキャンセルが多発していません か？ 予約のキャンセルは減収につながるの でしょうか？ なぜキャンセルが発生するのか、きち んと理解していますか？ キャンセルが5％以上下がるとどうい う効果をもたらすか？ ディスカバリー お客様事例 ? Qlik AutoMLを使用した3ヶ月間で、 Appalachian Regional Healthcareはパイロットクリニッ クでのキャンセル率と連絡なしの キャンセル率を20%から15%に減 らすことができ、さらに最も重要 なこととして、ARHは2ヶ月以内 に価値を理解することができまし た。 証明 AutoMLのユースケース オペレーション アポイントメントの キャンセル
- 37. 37 “私たちは、さまざまな人々に サービスを提供するためには、 できる限りデータを最大限に 活用する必要があることを認 識しています。” Director of IT AHR 予約キャンセルを削減 米国を拠点とする地域病院システム 無断欠席やキャ ンセルとの率を 5-10%削減し、 数百万ドルのコ スト削減を実現 キャンセルが多いクリ ニックはどこですか？ 前期のキャンセル率は？ 機械学習なし 記述的 どのような患者さんが予 約をキャンセルする可能 性が高いか？ 交通手段、移動距離、天 候、様々な障害となる理 由 機械学習あり 予測的 キャンセルされる可能性 が高い患者様には、どの ような理由があるのか？ その患者様によりよい サービスを提供するため に、どのような行動をと ればよいでしょうか？ 機械学習＋ 説明力 処方的 アクティブ インテリジェンス リスクの高い患 者さんには、通 いやすいクリ ニックで会うと いう代替案を提 示する。 Qlik AutoMLを利用したソリュー ション Appalachian Regional Healthcare（ARH）では、より良い予防医療を実現するた めに、無断欠席や予約キャンセルを減らし、リスクの高い人々への新しい方法を見つ ける必要がありました。 チャレンジ 結果 予約キャンセルを減らし、収益を維持し、顧客満足度を高めると同時に、コストを削 減 価値
- 38. 38 人事 従業員満足度 主要テーマ別に 昨年の従業員満足度は どのレベルですか？ 機械学習なし 記述的 この1年で、従業員満足度を どの程度にしたいですか？ 機械学習あり 予測的 従業員満足度を低下させる 具体的な要因は何ですか？ 従業員満足度を向上させる ためには、どのように行動 するのがベストですか？ 機械学習＋ 説明力 処方的 アクティブイン テリジェンス 人事部や経営陣 のためのワーク フローを作成し、 弱点を予測して 改善策を決定し ます。 対象顧客 従業員の満足度と定着率を最大化した いと考える競争市場の組織 トップ産業 小売、ヘルスケア、製造、通信／ユー ティリティ ソフトウェア、サービス、 すべて キーペルソナ HRリーダーシップ、事業部門責任者、 ビジネスアナリスト 顧客 バリュー?プロポジション より多くの従業員を確保し、従業員満 足度と生産性を向上させ、従業員の離 職コストを削減する ペインポイント ? 従業員が幸せでない ? 生産性が低い ? 離職率が高い ? 理由や要因がわからない 価値 ディスカバリークエスチョン 従業員満足度に課題をお持ちですか？ 生産性に重大な影響を及ぼしています か？ 従業員がなぜ不幸になるのか、きちん と理解していますか？ 従業員の満足度を上げ、離職率を下げ るとはどういうことか？ ディスカバリー お客様事例 ? 教育の非営利団体Beyond 12は、 Qlik AutoMLを利用して、生徒の 学習意欲を維持し、学校に通い続 け、全体の卒業率を高める最善の 方法を理解しています。 ? QlikはAutoMLを積極的に採用し、 従業員エンゲージメントの予測に 役立てています。 証明 AutoMLのユースケース
- 39. 39 離職率を抑えたい（人事関連） Qlik Sense デモ～Active Intelligence 人事 https://www.youtube.com/watch?v=wI9_vDtADAU
- 40. 40 より詳しく知りたいときは Qlik TECH TALK セミナー：Qlik AutoMLによる機械学習モデル生成の自 動化 https://www.youtube.com/watch?v=neWkf8Nr1Ms
- 41. 41 今後 1. 次回 ? 位置情報（医療関連）をどう扱うか 2. 今後の検討 ? 令和3年度病床機能報告－第3回－ ? SCR（標準化レセプト出現比）を使った分析 ? 医療データの統計分析（QlikとR等の連携） ? ゲストからの事例紹介 検討
- 42. 42 6. Q&A
- 44. 44 Qlik Japan Healthcareコミュニティ https://community.qlik.com/t5/Japan-Healthcare/gh-p/japan-healthcare-group 【最近の投稿】 11/23 11/30（水）ヘルスケア勉強会（Qlik Senseの機械学習機 能） 10/13 10/19（水）ヘルスケア勉強会（病床機能報告、クリニカル パスなど） 9/20 令和3年度病床機能報告（病院）の施設データに住所と緯度経 度を付けました 9/13 9/21（水）ヘルスケア勉強会（令和3年度病床機能報告公表 データの利用） 9/11 診療データと病名データのマッチング 8/30 10月6, 7日開催 第58回日本赤十字社医学会総会（北海道旭川 市）にブース出展します
- 46. 46 医療学会への参加 第58回 日本赤十字社医学会総会 2022年10月6日~7日、北海道旭川市 第23回フォーラム「医療の改善活動」全国大会 in東京 2022年11月18日~19日、東京都千代田区 第42回 医療情報学連合大会 2022年11月17日~20日、北海道札幌市 終了 終了 来年 出展
- 47. 47 技術イベントを開催しています！ Qlik Japanプリセールスチームではオンラインの技術情報提供を推進しています。 セミナー トレーニング LT形式のTips共有 技術イベント https://techplay.jp/community/qlik フォローしていただくと通知が届きます
- 48. 48 Webセミナー過去動画 YouTubeのプレイリストをご覧ください。 YouTube プレイリスト： TECH TALK YouTube プレイリスト： Qlik Replicate 基礎から学ぶ 勉強会 Qlik Japan Youtubeチャンネル チャンネルの登録 をお願いします。
- 51. 51 その他の情報 Qlik Community Japan セミナー動画?事例紹介?デモ動画 新機能紹介動画 Qlik Japan Youtube 製品?技術Q&A、製品関連資料 Qlik Showcase 日本語アプリの公開 Qlik Japan Blog 製品?技術情報の公 開
- 52. 52 Qlik Senseの書籍ご紹介 Qlik Sense ユーザーのためのデータ分析実践バイ ブル ■仕様等 ?判型：B5 変 ?総ページ数：500ページ程度 ?価格：4,200円 (+税) ?刊行日：2020年9月 ? QlikSpaceの記事をベースに、書籍用に大幅にカスタマイズ ＆加筆 ? 1 冊でQlik Sence の基本をマスターし（＝基本編）、ニーズ の高い分析例（＝応用編）をできるだけ丁寧に紹介